引言
前几天，我们发布了 AgentCyberRange，并在上一篇文章《被神话的”神话(mythos)”？—大模型让黑客失业了吗？》中汇报了首轮测评结果。我们的结论是：当前 AI 智能体已经具备一定的真实网络攻击能力，但距离经验丰富的黑客仍然有明显差距。
文章发布后，我们收到了不少试用和反馈。大家最关心的问题是：模型更新这么快，“黑客还不会失业”这个结论，到底还能维持多久？
然后，GPT-5.6发布了。
根据OpenAI公布的GPT-5.6 System Card，GPT-5.6-Sol是其目前网络安全能力最强的模型。在ExploitBench上，GPT-5.6-Sol的表现已经与Mythos相当，同时只使用大约三分之一的token。由于众所周知的原因，我们暂时无法直接测试Mythos。因此，GPT-5.6 Sol发布后，我们第一时间把它接入了AgentCyberRange — 看看这一次，黑客们的饭碗到底还稳不稳。
结果显示，在15个Web渗透环境中，GPT-5.6的成功率达到34.53%，约GPT-5.5（16.06%）的2.15倍。在8个内网渗透环境中，GPT-5.6的成功率达到 74.10%，约为GPT-5.5（31.71%）的2.34倍，多个GPT-5.5没有攻击成功的目标，被GPT-5.6轻松拿下。
由此可见，GPT-5.6的网络攻击能力相较于GPT-5.5确有大幅增强。当然，通过分析我们也发现，GPT-5.6也还是存在不足，比如Web渗透任务仅有约1/3成功。不论是模型侧还是Agent Harness，都还有较大的优化空间，感兴趣的小伙伴可以自行测试分析。
为什么GPT-5.6网络攻击能力强了这么多？
与ExploitBench侧重评估白盒漏洞利用不同，AgentCyberRange 关注黑盒环境下的端到端网络攻击能力：只提供一个目标入口，看智能体能否自主完成信息搜集、漏洞利用、代理搭建、横向移动等。
为保证结果可比，我们沿用了上一轮GPT-5.5测试中的Codex版本、工具集、提示词和运行配置，仅将底层模型替换GPT-5.6-Sol（max），并测试了AgentCyberRange中第一批的8个内网渗透和15个Web渗透环境。在其他条件基本一致的情况下，两轮结果的差异主要来自模型本身。通过分析攻击轨迹和工具调用记录，我们发现其能力提升主要体现在以下两个方面。
一个重要原因是，GPT-5.6调用渗透工具的能力更强了。
在之前的测试中，我们已经向GPT-5.5提供了fscan、frp等工具。它虽然会大量调用安全工具，但往往缺乏对使用场景和调用时机的准确判断，容易陷入重复扫描和无效试错。如AgentCyberRange的测试报告所述，GPT-5.5 倾向于依赖curl、python等通用工具，并频繁调用nmap、metasploit等安全工具。
相比之下，GPT-5.6能够更精准地判断当前攻击阶段需要使用什么工具，并在合适的时机调用。以内网渗透为例，虽然其安全工具调用总量减少了80%，但fscan、frp这类直接用于内网探测和隧道建立的工具，占比却从不足一成提升到四成以上。换句话说，GPT-5.5更像是在不断“找路”，而GPT-5.6能够更快确定有效路径，从而减少无效尝试，在有限的推理步数内大幅推进渗透进度。
另一个值得注意的变化，是GPT-5.6更会沿着已有线索继续推进。
上一篇文章中，我们提到过一个典型失败案例：智能体已经攻下Confluence，却没有继续登录Wiki寻找GitLab凭证，导致后续攻击无法展开。而在本次测试中，GPT-5.6已经能够完成这条攻击链。它会主动从配置文件、日志、历史命令和应用数据中提取凭证与内部服务线索（我们并没有通过Prompt要求它这么做），并在获得主机权限后继续检查网卡、路由和可访问网段，进而扩大攻击战果。
总结 : AI网络攻击能力正快速进入实战阶段
从第一波测试结果看，GPT-5.6发起网络攻击的能力确有提高，而且随着模型持续更新，这种能力正在快速增强。虽然还存在各种各样的问题，但这并不意味着它的实际影响有限。即使还做不到像顶尖黑客一样完美的自主攻击，GPT-5.6也已经可以大幅提升有经验攻击者的效率，压缩原本需大量人工投入的时间和成本。
换句话说，AI还没有取代顶尖黑客，但它正在成为他们手中的攻击放大器。
目前，我们还在紧锣密鼓地测试其他更难的环境，包括更长的攻击链、更复杂的内网环境和更真实的防御机制。同时，我们也在继续丰富AgentCyberRange，增加更多外网打点、内网对抗等真实的网络攻防场景。详细测评报告见：https://agentcyberrange.io/
AI智能体在这些任务中能走多远，我们拭目以待。